【技术实现步骤摘要】
本专利技术属于材料基因工程，尤其是涉及一种基于机器学习的钛合金超塑性预测方法。
技术介绍
1、钛合金由于其优异的比强度、强韧性能和耐腐蚀特性，已然在航空航天、武器装备、关键医疗设备等领域得到广泛应用。然而，钛合金的成型与加工难度较大，生产成本较高，这是其在实际装备生产过程中所面临的重要挑战之一。超塑性是指在一定温度和一定变形速率下，材料能够获得极大变形量的能力。利用材料的超塑性能可以使合金在特定温度下成型至其极限，从而获得复杂的几何形状。超塑性是指导合金超塑成型的重要性能基础，也是指导钛合金成型难题的重要工艺指标。然而，传统的超塑性试验过程需要严格的试验温度控制和应变速率保持，该过程易受到参数控制不当、合金高温氧化和合金意外断裂等不稳定因素的干扰，同时，超塑拉伸测试温度较高且测试时间较长，整体试验成本较高。
2、机器学习辅助材料设计与开发过程，其仅需基于少量已有实验数据和文献数据，通过特征选择和机器学习模型训练，经过少量的机器学习模型参数优化，便可实现对目标材料及其相关性能的预测，大幅度加速了材料研发进程。具体而言，将机器学...
【技术保护点】
1.基于机器学习的钛合金超塑性预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于机器学习的钛合金超塑性预测方法，其特征在于：步骤一中，所述合金超塑性原始数据库中的数据包括峰值流动应力，合金的元素及成分配比，原子半径，α相平均晶粒尺寸，β相转变温度，超塑性测试温度，超塑性测试速率，应变速率敏感系数m值，超塑延伸率。
3.根据权利要求1所述的基于机器学习的钛合金超塑性预测方法，其特征在于：步骤二中，对原始数据库中的数据进行特征筛选时，需要依次进行特征组合建立和特征相关性分析，筛选的特征数据包括超塑性测试温度，超塑性测试速率，原...
【技术特征摘要】
1.基于机器学习的钛合金超塑性预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于机器学习的钛合金超塑性预测方法，其特征在于：步骤一中，所述合金超塑性原始数据库中的数据包括峰值流动应力，合金的元素及成分配比，原子半径，α相平均晶粒尺寸，β相转变温度，超塑性测试温度，超塑性测试速率，应变速率敏感系数m值，超塑延伸率。
3.根据权利要求1所述的基于机器学习的钛合金超塑性预测方法，其特征在于：步骤二中，对原始数据库中的数据进行特征筛选时，需要依次进行特征组合建立和特征相关性分析，筛选的特征数据包括超塑性测试温度，超塑性测试速率，原子半径，α相平均晶粒尺寸。
4.根据权利要求1所述的基于机器学习的钛合金超塑性预测方法，其特征在于：步骤二中，通过归一化处理方法或z-score标准化法对筛选的特征数据进行预处理；采用归一化处理方法对...
【专利技术属性】
技术研发人员：张磊，郭萍，王欢，强菲，
申请(专利权)人：西北有色金属研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。